ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 5: Παραδείγματα. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

Transcript

1 Ενότητα 5: Παραδείγματα Ρεφανίδης Ιωάννης

2 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας χρήσης, η άδεια χρήσης αναφέρεται ρητώς. 2

3 Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο Πανεπιστήμιο Μακεδονίας» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. 3

4 Τοπική ακτινική αναζήτηση (local beam search) Επιλέγονται k τυχαίες αρχικές καταστάσεις. Εκτελούνται k αναζητήσεις παράλληλα. Σε κάθε βήμα επιλέγονται τα k καλύτερα παιδιά από όλα τα παιδιά του προηγούμενου βήματος. Κίνδυνος συγκέντρωσης όλων των αναζητήσεων γύρω από το ίδιο κλαδί. Αντιμετώπιση: Στοχαστική επιλογή των k παιδιών. 4

5 Γενετικοί αλγόριθμοι (1/2) Οι διάδοχες καταστάσεις παράγονται με το συνδυασμό δύο γονικών καταστάσεων, και όχι με την τροποποίηση μιας μεμονωμένης κατάστασης. Αρχικός πληθυσμός. Στοχαστική επιλογή γονέων. Συνάρτηση καταλληλότητας = Ευρετική συνάρτηση 5

6 Γενετικοί αλγόριθμοι (2/2) 6

7 Τοπική αναζήτηση σε συνεχείς χώρους

8 Συνεχείς χώροι Άπειρος αριθμών διάδοχων καταστάσεων Παράδειγμα: Τοποθέτηση 3 αεροδρομίων στη Ρουμανία με ελαχιστοποίηση του αθροίσματος των αποστάσεων των πόλεων. Χώρος 6 διαστάσεων Αντικειμενική συνάρτηση: f(x 1,y 1,x 2,y 2,x 3,y 3 ) Διακριτοποίηση, βήμα ±δ 8

9 Πλέον απότομη ανάβαση (steapest-ascent hill climbing) Κλίση: f f ( x f, y f, x f, y f, x f, y3 ) Πλέον απότομη ανάβαση: x x + α f(x) Εμπειρική κλίση Ευθύγραμμη αναζήτηση 9

10 Πράκτορες online αναζήτησης και άγνωστα περιβάλλοντα

11 Online αναζήτηση Επεξεργασία δεδομένων πριν γίνει διαθέσιμο το σύνολό τους Διαπλοκή (interleaving) υπολογισμών και ενεργειών Κατάλληλη για πεδία: Δυναμικά Ημιδυναμικά Στοχαστικά Μια offline αναζήτηση θα έπρεπε να καταστρώνει ένα εκθετικά μεγάλο πλάνο ενδεχομένων που να παίρνει υπόψη όλα όσα είναι δυνατό να συμβούν. Προβλήματα εξερεύνησης: Οι καταστάσεις του κόσμου και τα αποτελέσματα των ενεργειών είναι άγνωστα. 11

12 Προβλήματα online αναζήτησης (1/2) Ο πράκτορας πρέπει να εκτελέσει τις ενέργειες για να μάθει τα αποτελέσματά τους! Γνώση πράκτορα: Ξέρει ποιες είναι οι ενέργειές του Γνωρίζει το κόστος κάθε βήματος Μπορεί να καταλάβει εάν πέτυχε το στόχο 12

13 Προβλήματα online αναζήτησης (2/2) Παραδοχές (απλουστευτικές): Θυμάται τις καταστάσεις που επισκέφθηκε Αιτιοκρατικές ενέργειες Γνωρίζει μια παραδεκτή ευρετική συνάρτηση (π.χ. απόσταση Manhattan) Στόχος: Να φθάσει στον προορισμό Κόστος: Τα βήματα που εκτέλεσε Ανταγωνιστικός λόγος (competitive ratio): Πραγματικό κόστος / βέλτιστο κόστος 13

14 Αδιέξοδα Εάν οι ενέργειες δεν αντιστρέφονται, ο πράκτορας μπορεί να παγιδευτεί. Κανένας αλγόριθμος δεν μπορεί να αποφεύγει τα αδιέξοδα σε όλους τους χώρους καταστάσεων. 14

15 Ασφαλώς εξερευνήσιμοι χώροι Από κάθε προσπελάσιμη κατάσταση είναι προσπελάσιμη κάποια κατάσταση στόχου. Ωστόσο το κόστος μπορεί να είναι μη-φραγμένο. 15

16 Πράκτορες online αναζήτησης Έπειτα από κάθε ενέργεια, ένας πράκτορας online προσλαμβάνει μια αντίληψη που του λέει σε ποια κατάσταση έχει φτάσει. Μπορεί να βελτιώσει το χάρτη του περιβάλλοντος που έχει. Επέκταση κόμβων με τοπική προτεραιότητα. Δεν μπορούν να χρησιμοποιηθούν αλγόριθμοι που εκτελούν άλματα (όπως π.χ. ο Α*). Εξερεύνηση πρώτα κατά βάθος Πρόβλημα οι επιστροφές, αναστρέψιμες ενέργειες Επαναληπτική εκβάθυνση 16

17 Τοπική online αναζήτηση Τοπική αναζήτηση αναρρίχησης λόφων Πρόβλημα με τα οροπέδια, δεν μπορούμε να εκτελέσουμε τυχαίες επανεκκινήσεις. Τυχαίος περίπατος (random walk) Τυχαία επιλογή βημάτων, αποφυγή επανάληψης Στο παρακάτω σχήμα, η επιστροφή προς το S είναι πάντα 2 φορές πιο πιθανή από την πορεία προς το G. Εκθετικό κόστος. 17

18 Α* πραγματικού χρόνου που μαθαίνει (1/3) (Learning real-time A*, LRTA*) Ο πράκτορας μεταβαίνει πάντα στην καλύτερη γειτονική κατάσταση. Εάν πρόκειται για κατάσταση που επισκέπτεται ο πράκτορας για πρώτη φορά, αυτή βαθμολογείται με την ευρετική συνάρτηση, αλλιώς διατηρεί την όποια βαθμολογία της. Αισιοδοξία υπό αβεβαιότητα Η κατάσταση από την οποία έγινε η μετάβαση βαθμολογείται με το άθροισμα του κόστους μετάβασης και της βαθμολογίας της νέας κατάστασης. Ο πράκτορας πρέπει να θυμάται τις νέες βαθμολογίες, γιατί αυτές δεν προκύπτουν πλέον από την ευρετική συνάρτηση. 18

19 Α* πραγματικού χρόνου που μαθαίνει (2/3) (Learning real-time A*, LRTA*) 19

20 Α* πραγματικού χρόνου που μαθαίνει (3/3) (Learning real-time A*, LRTA*) Είναι πλήρης για πεπερασμένα, ασφαλώς εξερευνήσιμα περιβάλλοντα. Δεν είναι πλήρης για άπειρους χώρους καταστάσεων. Πολυπλοκότητα: Ο(n 2 ), όπου n το πλήθος των καταστάσεων. 20

21 Τέλος Ενότητας